问题标签 [probability-theory]

我有一个数据集的问题。在那里我有好的和坏的类别，在那个类别中，很少有可以是好的和坏的元素....

您可以查看我附加的 ven 图以获取视图和我拥有的数据集。如果你能帮助我，我真的很高兴。

我对概率和数学的东西真的很陌生，但是我有一个项目要做，在中间我必须找到一种方法来根据数据说给定的数据集是坏的还是好的。

我可以使用什么概率论？如何使用...请举一个使用我的数据集的例子。谢谢你

例如。如果我得到一个包含 A、D、E 元素的数据集......我可以说它是坏的概率是多少。

令 X1, X2,...,Xn 为离散随机变量。我正在寻找一种方法来证明随机变量是独立的但不是同分布的。

谁能提出一些想法？

如有错误请见谅，这是我的第一篇文章！最近我很无聊，正试图制作一个我曾经看过的街机游戏的批处理脚本克隆：http: //antikrish.com/2013/01/28/whittakers-ascot-gold-cup-horse-racing-arcade-game /

规则

我不记得规则并希望它是公平的，所以我自己做了。

• 每匹马都有一个介于 1 和 6 之间的数字
• 这个数字 (x) 是马每回合移动的机会 (1/x)
  • 马 1 = 1/1 所以每回合移动
  • 马 3 = 1/3 所以平均每三圈移动一次
  • 马 6 = 1/6 所以平均每六圈移动一次
• 这个数字 (x) 也决定了马在棋盘上的移动方式
  • 马 1 = 每次移动 1 格
  • 马 3 = 每次移动 3 个空格
  • 马 6 = 每次移动 6 格
• 棋盘长 60 格，第一个达到 60 格的马为获胜者（允许平局）。选择 60 作为目标，因为它是 1、2、3、4、5 和 6 的公倍数。
• 这样做的想法是每匹马需要大约 60 圈才能到达终点并获胜。
  • 马 1 => 60 格 / 1 移动 = 60 转，60 转 / (1/1) = 60 转
  • 马 3 => 60 格 / 3 移动 = 20 回合，20 回合 / (1/3) = 60 回合
  • 马 6 => 60 格 / 6 移动 = 10 转，10 转 / (1/6) = 60 转

问题

我运行了游戏，一切似乎都很好！过了一会儿，我注意到马 1 几乎从来没有赢过。现在这可以用概率来解释，但我想检查一下，所以我修改了我的代码以跟踪结果，并看到编号越高的马越经常获胜！

我上传了一张图表（http://i.imgur.com/IZuXnye.png），显示了三组 1000 场比赛的获胜者的结果，其中允许平局（并且所有完成的比赛都算作胜利）。现在，这种行为不一定是坏事，这意味着每匹马都有几率，但我对为什么会发生这种情况感到困惑。

原因

在我看来，为什么会发生这种行为有三个原因：

• 我的程序中有一个错误。如果您有兴趣，我已经包含了下面的代码。
• 批次随机与时间有关，这会扭曲结果，使更高的数字更有可能。为了测试这一点，我收集了三组 1000 个介于 1 和 6 之间的随机数，结果看起来还不错。
  • 注意我改变了生成数字之间的时间：
  • REM – 一代之间没有时间间隔
  • 0 秒 - 超时 0 秒（所以短暂的停顿）
  • 1 秒 - 超时 1 秒
• 这是概率和收益的属性，我使用的逻辑对于公平游戏来说是有缺陷的。

那么，谁能告诉我为什么会发生这种情况？

提前致谢！

如果有帮助，这里是代码：

编辑我认为这是一个概率怪癖，因为马 6 有机会在 10 回合后完成，而所有其他马物理上都做不到。这为每匹马加起来，减少了低于它的马匹的机会（即，只有在另一匹马表现不佳时，马 1 才会获胜）。

感谢您的回复:)

我最近遇到了贝叶斯网络。我读到它们有助于降低 n 个随机变量的联合概率分布的维数（让它们为布尔值）。

贝叶斯网络有助于简化公式，因为它包含有关哪些变量实际上相互依赖的信息。我得到了这么多。

我没有得到的是它如何减少计算概率所需的计算量？基本上我不理解联合分布上下文中的维数概念。

我正在实现与遗传算法非常相似的东西。所以你经历了多代种群——在一代结束时，你以三种不同的方式“随机”、“突变”和“交叉”创建一个新种群。

目前概率是静态的，但我需要做到这一点，以便突变的概率逐渐增加。我很感激任何方向，因为我有点卡住了..

这就是我所拥有的：

谢谢你。

我有以下二维数据集。(X 和 Y) 都是连续随机变量。

Z = (X, y) = {(1, 7), (2, 15), (3, 24), (4, 25), (5, 29), (6, 32), (7, 34) , (8, 35), (9, 27), (10, 39)}

我想检测关于 y 变量值的异常值。y 变量的正常范围是 10-35。因此，上述数据集中的第一对和最后一对是异常值，其他是正常的巴黎。我想将变量 z = (x, y) 转换为异常值（第一对和最后一对）位于标准偏差 1 之外的概率/频率分布。谁能帮我解决这个问题。

PS：我尝试过不同的距离，例如欧几里德距离和马氏距离，但没有奏效。

我有一个随机数序列（比如 6 个字节）

我现在想从原始序列生成一个更短的序列（比如 3 个字节）

实现这一点的最佳方法是什么，以便保留原始序列的随机性。

假设我在原始序列上运行 SHA-1 哈希码，然后从哈希输出中获取一些字节。随机性是减少、增加还是保持不变。

基本问题是 - 随机数的哈希码是否会产生更少的随机性、更多的随机性或相同的随机性。

我正在尝试计算X的函数的期望值，其中X是二项式分布的。所以我想以sum(Pr(X=k)*f(k),k=0,..,n). 现在我想看看值是否随着二叉树的增加而收敛，即如果n增加。然而，对于增加n， ( nover k) 项在Pr(X=k)some 中趋于无穷大k，而函数f(k)=0, 这给出了在 matlabInf*0中产生的乘法。NaN因此结果是NaN。

但是，通过以矩阵形式计算类似问题，我知道期望值应该收敛。

所以我的问题是，我该如何处理？

这是我到目前为止的代码（对于一些参数，u~d~0.5. K=s=100）

AFAIK，生成语言模型只不过是一些词汇的概率分布。我想知道如何使用这种概率分布来生成单词流，即语言？

如果我总是选择概率最大的词，它总是同一个词，因为分布是固定的。

我不确定我是否理解正确。谁能提供一个具体的操作示例？

给出一个大小为nx的二进制矩阵n。

在每一步，函数都会检查给定矩阵的每一行和每一列是否至少有一个1. 如果不是，则选择一个纯粹的随机坐标，例如where , i, j，1 <= i并将j <= n其标记为保留。101

重复该过程，直到矩阵的每一行和每一列都具有至少一个1.

请告诉这个算法中移动的“预期数量”是多少。